Syndromic surveillance of respiratory infections during protracted conflict: experiences from northern Syria 2016-2021
Notice bibliographique
Résumé
OBJECTIVE: Northern Syria faces a large burden of influenza-like illness (ILI) and severe acute respiratory illness (SARI). This study aimed to investigate the trends of Early Warning and Response Network (EWARN) reported ILI and SARI in northern Syria between 2016 and 2021 and the potential impact of SARS-CoV-2. METHODS: We extracted weekly EWARN data on ILI/ SARI and aggregated cases and consultations into 4-week intervals to calculate case positivity. We conducted a seasonal-trend decomposition to assess case trends in the presence of seasonal fluctuations. RESULTS: It was observed that 4-week aggregates of ILI cases (n = 5,942,012), SARI cases (n = 114,939), ILI case positivity, and SARI case positivity exhibited seasonal fluctuations with peaks in the winter months. ILI and SARI cases in individuals aged ≥5 years surpassed those in individuals aged <5 years in late 2019. ILI cases clustered primarily in Aleppo and Idlib, whereas SARI cases clustered in Aleppo, Idlib, Deir Ezzor, and Hassakeh. SARI cases increased sharply in 2021, corresponding with a severe SARS-CoV-2 wave, compared with the steady increase in ILI cases over time. CONCLUSION: Respiratory infections cause widespread morbidity and mortality throughout northern Syria, particularly with the emergence of SARS-CoV-2. Strengthened surveillance and access to testing and treatment are critical to manage outbreaks among conflict-affected populations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».